南大高分遥感影像视觉问答数据集
数据集简介
Dataset card
NJU-HARD 是一个面向遥感与无人机(UAV)场景的视觉问答(VQA)数据集,由 RL-MIND 团队整理并托管于 HuggingFace。数据集的模态包括图像(Image)、表格(Tabular)和文本(Text),任务类型为视觉问答(Visual Question Answering)。
数据集当前处于上传进行中状态,官方提示:该版本尚未完整,直到 provenance/image_shards.sha256.jsonl 中列出的全部 180 个原始分辨率图像分片均存在并通过校验,才算发布完成。每个源图像仅存储一次,预览配置仅包含浏览缩略图。
Data Studio
数据集在 HuggingFace 上提供了 Data Studio 界面,用户可以通过该界面浏览数据集的整体结构、子集划分以及示例数据。Data Studio 支持交互式查看,便于快速了解数据内容。
Files Files and versions
数据集的文件格式为 parquet 和 jpg。其中,问题子集(questions)包含 1.56k 行,图像子集(images)包含 854 行,预览子集(preview)包含 8 行。每个子集均以 parquet 格式存储,图像文件以 jpg 格式提供。
数据集的规模为 1K - 10K 级别,属于中小型数据集。所有文件均通过 HuggingFace 的版本控制进行管理,用户可查看文件历史版本。
Community
该数据集面向社区开放,用户可以通过 HuggingFace 的讨论区进行交流,也可以使用 Duplicate 功能复制数据集到自己的工作区,以便进行定制化处理。数据集公开免费,无需授权即可访问。
Dataset Viewer
通过 HuggingFace 的 Dataset Viewer,用户可以预览数据集的示例行。以下为预览子集中的典型示例:
- 问题示例:基于高分影像(12768×9564 像素)的参考边界框,提出分类问题,例如识别场景中的目标类别。
- 场景:包括 NJU-xianlin(南京大学仙林校区)、UAV-BASE-13、UAV-BASE-14 等。
- 字段:每个问题包含 question_id、image_ids、source_image_paths、num_images、task_type、question、options、answer、answer_text、reference_bbox、scene、sequence、quality_flags 等字段。
这些字段提供了丰富的标注信息,可用于训练视觉问答模型,也可用于评估模型在遥感场景下的理解能力。